RACIOCÍNIO BASEADO EM CASOS (CBR) NIELSEN RECHIA PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE INFORMÁTICA PROGRAMA DE PÓSGRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO BUSINESS INTELLIGENCE AND MACHINE LEARNING RESEARCH GROUP
RACIOCÍNIO BASEADO EM CASOS (CBR)
NIELSEN RECHIA
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE INFORMÁTICA PROGRAMA DE PÓS-‐GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
BUSINESS INTELLIGENCE AND MACHINE LEARNING RESEARCH GROUP
Agenda
Experiências passadas Suporte a decisão O que é Raciocínio Baseado em Casos
Fluxo CBR O que é um Caso? Como CBR Funciona? Aprendizado em CBR Quem usa CBR? Como usar CBR? Exemplo
Experiências passadas
Experiências passadas apresentam informações de decisões/ações em nosso dia-‐a-‐dia estas informações são a base de um sistema CBR !!
Custo de um produto? Será o mesmo de dias anteriores? Empresas realizam milhares de decisões em um dia! Decisões corretas podem ser usadas como experiências passadas
Suporte a decisão
CBR utiliza experiências passadas (decisões/ações) para gerar novas decisões/soluções !Problemas para desenvolver um sistema CBR:
Elicitação do conhecimento Suporte a decisão é dinâmico Sistemas requerem manutenções Sistemas devem ser aceitos pelos usuários
O que é CBR?
Solução de novos problemas reutilizando ou adaptando soluções que foram utilizadas na solução de problemas do passado !Similar ao que muitas pessoas realizam rotineiramente para solucionar seus problemas pessoais.
O que é CBR?
Qual resultado de 12 x 12? 144
Qual o resultado de 13 x 12? próximo de 12 x 12 (12 x 12) + 12 156
O que é um Caso?
Atributos/features/characteristics que descrevem um determinado problema Em conjunto com um solução para este problema
textos, números, símbolos, imagens, videos … !
Casos são eventos reais! Que são excelentes para justificar decisões
Fluxo CBR
O que é um Caso?
Atributos/features/characteristics que descrevem um determinado problema Em conjunto com um solução para este problema
textos, números, símbolos, imagens, videos … !
Casos são eventos reais! Que são excelentes para justificar decisões
O que é um Caso?
Características de um casa são: Indexadas Não indexadas
O que é um Caso?
Características indexadas: Usadas para recuperação Indicam a solução para o caso !
Características não indexadas: Não são usadas para recuperação Não indicam a solução para o caso Fornecem valiosas informações contextuais e lições aprendidas !
Características podem mudar de status
Como CBR funciona?
Imagine uma decisão com dois fatores de influência. Você deve conceder um empréstimo para uma determinada pessoa? !Fatores:
rendimento líquido mensal Reembolso mensal do empréstimo
Como CBR funciona?Re
ndim
ento líqu
ido men
sal
0
5
10
15
20
Reembolso mensal do emprésomo
0 0.625 1.25 1.875 2.5
NOVO CASO
CASOS PASSADOS RUINS
CASOS PASSADOS BONS
Como CBR funciona?Re
ndim
ento líqu
ido men
sal
0
5
10
15
20
Reembolso mensal do emprésomo
0 0.625 1.25 1.875 2.5
Bom caso
Como CBR funciona?
Na vida real, o problema pode ser N dimensional Características podem ser ponderadas para refletir sua importância Novas características podem ser adicionadas se elas se tornarem relevantes Tolerante a ruído e a falta de dados Denominado recuperação do vizinho mais próximo (KNN)
Como CBR funciona?
CBR é transparente Experiência passada é um métodos aceito para justificar decisões Vizinho mais próximo recupera os melhores casos passados similares O processo é transparente Fácil de ser entendido pelos usuários Aumenta a aceitação dos usuários
Como CBR funciona?
Sistemas baseados em regras justificam suas decisões apresentando o caminho percorrido.
regra 33 -‐> regra 61 -‐> regra 43 -‐> regra 102 Este caminho pode confundir os usuários !Redes neutrais e algoritmos genéticos podem não justificar suas decisões
Usuários terão de acreditar que o programa está correto
Aprendizado em CBR
Suporte a decisão é dinâmica CBR aprende adquirindo novos casos
Sem adição de novas regras sem a necessidade de novos treinamentos sem renovar a base de dados
Quem usa CBR?
American Express -‐ avaliação de risco em cartões de crédito Microsoft – help desks Barclaycard -‐ fraudes General Electric – diagnóstico de trains, fabricação de plástico British Airways – Manutenção de aviões Daimler Chrysler – Suporte para softwares Analog – Seleção de componentes NASA – apoio para ônibus espaciais Swiss Bank -‐ gestão de investimentos Deloitte Touche -‐ avaliação de fraudes
Exemplo
Falha de um carro Sintomas observados (ex: motor não dá partida) e valores medidos (ex: Voltagem da bateria = 6.3V) Objetivo: Encontrar a causa da falha no carro (ex: Sem bateria) e solução de reparo (ex: recarregar bateria) !Diagnóstico:Um caso descreve um diagnóstico e contém:
Descrição dos sintomas Descrição da falha e a causa descrição da solução de reparo
Diagnóstico
Cada caso descreve uma situação !Casos são independentes um dos outros !Casos não são regras
Solucionando problema
Faça observações sobre o novo caso !Nem todas as características precisam ser conhecidas !O novo problema é um caso sem uma solução
Solucionando um problema
Compare o novo problema com cada caso e selecione o caso mais similar !Similaridade é o conceito mais importante em CBR
Similaridade
Similaridade é avaliada para cada característica Depende do valor da característica Características podem possuir diferentes pesos (importâncias)
Similaridade
Diferentes características possuem importâncias diferentes !Importância Alta:
Problema, Voltagem da Bateria, estado da luz !
Importância Baixa: Fabricante, Modelo, Ano, Cor
Comparação do problema com caso 1
Comparação do problema com caso 2
Reuso da solução do caso 1
Como CBR funciona?
Se o diagnóstico está correto, armazene o novo caso na base de casos.
Referências
Watson, Ian, and Farhi Marir. "Case-‐based reasoning: A review." The knowledge engineering review 9, no. 04 (1994): 327-‐354. Kolodner, Janet. Case-‐based reasoning. Morgan Kaufmann, 2014. de Mantaras, Ramon Lopez. "Case-‐based reasoning." Machine Learning and Its Applications. Springer Berlin Heidelberg, 2001. 127-‐145. Leake, David B. Case-‐Based Reasoning: Experiences, lessons and future directions. MIT press, 1996. MACHADO, N. L. et al. Case-‐based Reasoning for Experience-‐based Collaborative Risk Management. The Twenty-‐Sixth International Conference on Software Engineering and Knowledge Engineering (SEKE 2014), p. 262-‐267, 2014.
RACIOCÍNIO BASE EM CASOS (CBR)
NIELSEN RECHIA
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE INFORMÁTICA PROGRAMA DE PÓS-‐GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
BUSINESS INTELLIGENCE AND MACHINE LEARNING RESEARCH GROUP